elasticsearch系统分析器及自定义分析器

一、系统自带的分析器：
（1）standard 分析器
standard 分析器是用于全文字段的默认分析器。
它考虑了以下几点：
standard 分词器，在词层级上分割输入的文本。
standard 标记过滤器，被设计用来整理分词器触发的所有标记（但是目前什么都没做）。
lowercase 标记过滤器，将所有标记转换为小写。
stop 标记过滤器，删除所有可能会造成搜索歧义的停用词，如 a，the，and，is。
（2）keyword分析器
（3）whitespace分析器

1.系统自带的字符过滤器：
（1） html_strip 字符过滤器 来删除所有的 HTML 标签，并且将 HTML 实体转换成对应的 Unicode 字符，比如将 Á 转成 Á。

2.系统自带的分词器：
（1）[keyword 分词器]输出和它接收到的相同的字符串，不做任何分词处理。
（2）[whitespace 分词器]只通过空格来分割文本。
（3）[pattern 分词器]可以通过正则表达式来分割文本

3.系统自带的标记过滤器：
（1）[lowercase 标记过滤器]
（2）[stop 标记过滤器]
（3）[stemmer 标记过滤器]将单词转化为他们的根形态（root form）。
（4）[ascii_folding 标记过滤器]会删除变音符号，比如从 très 转为 tres。
（5）[ngram] 和 [edge_ngram]可以让标记更适合特殊匹配情况或自动完成

二、创建自定义分析器
（可以在 analysis 字段下配置字符过滤器char_filter，分词器tokenizer和标记过滤器filter）：
分析器 是三个顺序执行的组件的结合（字符过滤器，分词器，标记过滤器）。

--创建自定义分析器的语法格式
PUT /testindex
{
    "settings": {
        "analysis": {
            "char_filter": { ... custom character filters ... },
            "tokenizer":   { ...    custom tokenizers     ... },
            "filter":      { ...   custom token filters   ... },